【技术实现步骤摘要】
基于卷积神经网络的相位信息提取方法、存储介质及设备
本专利技术属于三维轮廓精密测量领域干涉条纹图像处理
，具体涉及一种基于Hypercolumns卷积神经网络的相位信息提取方法、存储介质及设备。
技术介绍
光学三维轮廓测量技术广泛应用于工业制造，逆向工程，航空航天，医疗诊断等领域，其具有非接触，高精度，高分辨率等特性，被公认为最有前途的轮廓测量法之一。实现光学轮廓测量的方法有很多，包括时间法，结构光法，投影法，干涉法等。在干涉法测量过程中，测试光经工件反射与参考光进行叠加干涉，形成了携带工件面形信息干涉条纹图，对干涉图进行后续处理即可得到测量结果。投影法的原理是通过投影仪将规则的黑白条纹图案投射至工件表面，然后利用CCD相机采集工件表面条纹图案，此时带有形变的条纹图将反应被测件的实际面形信息，经处理即可提取其轮廓。这种通过特定方法处理条纹图像以获取被测表面轮廓信息的过程称为相位提取。多步移相法是一种主流的相位提取方法，该方法通过对工件进行时域移相，得到一系列固定步长差的相移干涉图像，然后对这些图像进行差分与反正...
【技术保护点】
1.一种基于卷积神经网络的相位信息提取方法，其特征在于，构建Hypercolumns卷积神经网络模型，对干涉条纹图像进行分析并预测得到与其对应的相位数据；分别利用正弦/余弦形数据集、二次曲面数据集、波浪形数据集和自由曲面数据集四种不同的数学函数生成样本集中相位数据，然后通过干涉条纹图像光强分布公式得到与相位数据对应的干涉图像，等分生成样本后共同构成训练集中N组数据与验证集中M组数据；然后基于生成的所有样本数据，对Hypercolumns卷积神经网络初始预测结果进行训练；采用多项式三维曲面拟合方法消除Hypercolumns卷积神经网络模型的局部误差，实现相位提取结果优化，将...
【技术特征摘要】
1.一种基于卷积神经网络的相位信息提取方法，其特征在于，构建Hypercolumns卷积神经网络模型，对干涉条纹图像进行分析并预测得到与其对应的相位数据；分别利用正弦/余弦形数据集、二次曲面数据集、波浪形数据集和自由曲面数据集四种不同的数学函数生成样本集中相位数据，然后通过干涉条纹图像光强分布公式得到与相位数据对应的干涉图像，等分生成样本后共同构成训练集中N组数据与验证集中M组数据；然后基于生成的所有样本数据，对Hypercolumns卷积神经网络初始预测结果进行训练；采用多项式三维曲面拟合方法消除Hypercolumns卷积神经网络模型的局部误差，实现相位提取结果优化，将优化后的结果作为最终的相位提取结果，反映三维测量对象的面形信息。
2.根据权利要求1所述的方法，其特征在于，Hypercolumns卷积神经网络模型的输入数据为待提取相位的干涉条纹图，由模型的输入层InputLayer输入网络，其数据维度与输入层相匹配；输出数据即为网络模型预测得到的相位数据；干涉条纹图像经过输入层后进入多卷积层进行特征提取环节；多级特征提取卷积层采用自编码解码网络结构实现，输入数据经过多级卷积，池化，上采样运算，对特征图进行压缩与重构，提取不同尺度与维度的特征信息；采用Hypercolumns理念将各级特征信息图整合，得到新的多维特征信息图；最后对新的多维特征信息图再次进行卷积运算，并使用1×1卷积单元对多维特征信息图进行像素级预测，输出最终相位信息预测结果，完成回归任务。
3.根据权利要求2所述的方法，其特征在于，Hypercolumns卷积神经网络模型的优化器采用自适应矩估计Adam优化器，损失函数采用均方根误差RMSE函数，网络模型中设置BatchNormalization批标准化运算，Dropout神经元丢弃方法，以及L2正则化解决方法；在网络训练之前，对训练数据集中数据进行随机打乱。
4.根据权利要求1所述的方法，其特征在于，训练数据集包括训练干涉图集Images_Train，训练相位数据集Phase_Train，测试干涉图集Images_Test与测试相位数据集Phase_Test；训练干涉图集Images_Train与训练相位数据集Phase_Train一一对应，具有相同的数据维度(N，W，H)，用于网络模型的训练；测试干涉图集Images_Test与测试相位数据集Phase_Test一一对应，数据维度为(M，W，H)，用于网络模型的验证；W为图像宽，H为图像高。
5.根据权利要求4所述的方法，其特征在于，生成的干涉图像I(x,y)为：
其中，I0(x,y)为干涉图背景光强，V(x,y)为条纹对比度，为数学函数生成的相位数据，Noise(x,y)为随机噪声。
6....
【专利技术属性】
技术研发人员：李兵，赵卓，路嘉晟，康晓清，刘桐坤，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：陕西;61
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。